Ta strona została przetłumaczona automatycznie i dokładność tłumaczenia nie jest gwarantowana. Proszę odnieść się do angielska wersja za tekst źródłowy.

Ocena MDS-UPDRS wspomagana sztuczną inteligencją w chorobie Parkinsona

6 lipca 2026 zaktualizowane przez: Hiu Yi Wong, Hong Kong University of Science and Technology

Sztuczna inteligencja wspomagająca ocenę MDS-UPDRS w chorobie Parkinsona

Idiopatyczna choroba Parkinsona (PD) to choroba neurodegeneracyjna, która stopniowo powoduje zarówno objawy motoryczne, jak i niemotoryczne. Jako druga najczęstsza choroba neurodegeneracyjna i najczęstsze zaburzenie ruchowe, dotyka ona ponad 8,5 miliona ludzi na całym świecie i 13 000 osób w Hongkongu. Najbardziej klasyczne objawy PD to drżenie spoczynkowe, sztywność mięśni, bradykinezja (spowolnienie ruchów) i trudności w chodzeniu. Inne objawy obejmują zaburzenia snu, objawy psychiatryczne, upośledzenie funkcji poznawczych i dysfunkcje autonomiczne. Jej patofizjologię charakteryzuje utrata neuronów dopaminergicznych i nagromadzenie agregatów zwanych ciałami Lewy'ego.

Nasilenie objawów motorycznych związanych z PD jest zwykle półilościowo („normalne”, „nieznaczne”, „łagodne”, „umiarkowane” i „ciężkie”) oceniane przez lekarzy specjalistów i fizjoterapeutów zgodnie z rewizją części III Zunifikowanej Skali Oceny Choroby Parkinsona sponsorowanej przez Towarzystwo Zaburzeń Ruchowych (MDS-UPDRS III). Jednak MDS-UPDRS III jest półilościowa i subiektywna, co może maskować łagodne efekty leczenia, a nawet dawać fałszywie pozytywne wyniki. Ponadto jej ocena wymaga znacznego czasu i wysiłku, z oczekiwanymi różnicami między obserwatorami.

Aby rozwiązać te problemy, zbadano różne technologie sztucznej inteligencji (AI) i podejścia telemedycyny do oceny pacjentów. Jednak wcześniejsze badania nie uwzględniały pozycji oceniających sztywność i stabilność postawy, które wymagają kontaktu fizycznego zgodnie z instrukcjami MDS-UPDRS III. Zhu i współpracownicy zbadali system maszynowej oceny objawów motorycznych dla pełnego MDS-UPDRS III. Niemniej jednak wykorzystali oni kamerę głębi i przeprowadzili testy w ściśle kontrolowanym idealnym środowisku laboratoryjnym. Dla powszechnego wdrożenia oceny wspomaganej przez AI, kamera RGB jest bardziej dostępną alternatywą.

Przegląd badań

Status

Rekrutacyjny

Interwencja / Leczenie

Szczegółowy opis

Jest to jednoośrodkowe, prospektywne, obserwacyjne badanie zaprojektowane w celu opracowania i walidacji systemu oceny MDS-UPDRS III opartego na sztucznej inteligencji, wykorzystującego dane z kamery RGB. Uczestnicy będą rekrutowani z poradni neurologicznej Queen Elizabeth Hospital. Każdy badany przejdzie standardową ocenę MDS-UPDRS III przez certyfikowanego klinicystę lub fizjoterapeutę, jednocześnie zsynchronizowaną z nagraniem wideo RGB-D. Nagrania wideo będą przetwarzane przez potok głębokiego uczenia wytrenowany do szacowania wyników MDS-UPDRS III.

Przeprowadzone zostaną zaślepione oceny w celu porównania wyników generowanych przez sztuczną inteligencję z rzeczywistymi ocenami klinicystów. Analiza statystyczna będzie obejmować metryki zgodności między oceniającymi (np. ICC, kappa Cohena), wrażliwość na zmiany oraz analizy podgrup.

Typ studiów

Obserwacyjny

Zapisy (Szacowany)

500

Kontakty i lokalizacje

Ta sekcja zawiera dane kontaktowe osób prowadzących badanie oraz informacje o tym, gdzie badanie jest przeprowadzane.

Kontakt w sprawie studiów

  • Nazwa: Hiu Yi Wong, PhD
  • Numer telefonu: +852-23587344
  • E-mail: annawong@ust.hk

Kopia zapasowa kontaktu do badania

  • Nazwa: Qian Zhang, PhD
  • Numer telefonu: +852-23588766
  • E-mail: qianzh@ust.hk

Lokalizacje studiów

      • Hong Kong, Chiny
        • Jeszcze nie rekrutacja
        • Hong Kong University of Science and Technology
        • Główny śledczy:
          • Qian Zhang, PhD
        • Kontakt:
        • Kontakt:
          • Qian Zhang, PhD
          • Numer telefonu: +852-23588766
          • E-mail: qianzh@ust.hk
      • Hong Kong, Hongkong
        • Rekrutacyjny
        • Queen Elizabeth Hospital
        • Kontakt:

Kryteria uczestnictwa

Badacze szukają osób, które pasują do określonego opisu, zwanego kryteriami kwalifikacyjnymi. Niektóre przykłady tych kryteriów to ogólny stan zdrowia danej osoby lub wcześniejsze leczenie.

Kryteria kwalifikacji

Wiek uprawniający do nauki

  • Dorosły
  • Starszy dorosły

Akceptuje zdrowych ochotników

Nie

Metoda próbkowania

Próbka prawdopodobieństwa

Badana populacja

pacjenci z chorobą Parkinsona

Opis

Kryteria włączenia:

  1. Wiek ≥18 lat
  2. Rozpoznanie "klinicznie ustalonej choroby Parkinsona" zgodnie z definicją Międzynarodowego Towarzystwa Zaburzeń Ruchu (MDS-PD) [12]
  3. Zdolność do wyrażenia świadomej zgody oraz gotowość do udziału w nagrywanych na wideo ocenach MDS-UPDRS część III
  4. Brak istotnych zaburzeń wzroku, słuchu lub układu mięśniowo-szkieletowego, które mogłyby zakłócać ocenę motoryczną na podstawie nagrań wideo

Kryteria wykluczenia:

  1. Niechęć do nagrywania wideo na potrzeby badania
  2. Wywiad wskazujący na zaburzenia neurorozwojowe, chorobę neurodegeneracyjną inną niż PD, infekcję OUN, chorobę neurozapalną (np. stwardnienie rozsiane, toczeń OUN), nowotwór w ciągu ostatnich 10 lat, udar mózgu, zakażenie HIV, układową chorobę autoimmunologiczną, uzależnienie od alkoholu lub innych substancji

Plan studiów

Ta sekcja zawiera szczegółowe informacje na temat planu badania, w tym sposób zaprojektowania badania i jego pomiary.

Jak projektuje się badanie?

Szczegóły projektu

Kohorty i interwencje

Grupa / Kohorta
Interwencja / Leczenie
Grupa PD
pacjenci z chorobą Parkinsona
profil kliniczny, MDS-UPDRS III, nagranie wideo

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
Narzędzie oceny motorycznej oparte na sztucznej inteligencji
Ramy czasowe: Od punktu wyjściowego do 3 lat
Narzędzie do oceny motorycznej oparte na sztucznej inteligencji, wykorzystujące film RGB do wiarygodnych i obiektywnych ocen objawów motorycznych MDS-UPDRS III, w tym sztywności i stabilności postawy.
Od punktu wyjściowego do 3 lat
Wykonalność wdrożenia ocen opartych na kamerze RGB
Ramy czasowe: 3 lata
Wykonalność wdrożenia ocen opartych na kamerze RGB w rutynowych warunkach klinicznych zostanie oceniona na podstawie odsetka ocen, w których system AI jest w stanie wygenerować szacowaną łączną ocenę MDS-UPDRS Część III na podstawie wideo RGB, którą można bezpośrednio porównać z ocenami MDS-UPDRS Część III wystawionymi przez klinicystę. Pacjenci wykonują standaryzowane zadania motoryczne pod kierunkiem lekarza, podczas gdy wideo RGB jest nagrywane za pomocą smartfona. Oceny MDS-UPDRS Część III wystawione przez klinicystę są używane jako prawda podstawowa. Wyniki wykonalności będą raportowane jako procent (%) ocen z prawidłowymi wynikami wygenerowanymi przez AI w ciągu 3-letniego okresu badania.
3 lata

Miary wyników drugorzędnych

Miara wyniku
Opis środka
Ramy czasowe
Skuteczność systemu
Ramy czasowe: 3 lata
Skuteczność systemu w ocenie nasilenia objawów motorycznych będzie mierzona zgodnością pomiędzy wynikami MDS-UPDRS Część III przewidywanymi przez sztuczną inteligencję a ocenianymi przez klinicystę. Nagrywane jest wideo RGB za pomocą smartfona, podczas gdy pacjenci wykonują standaryzowane zadania motoryczne pod nadzorem lekarza. Wyniki MDS-UPDRS Część III oceniane przez klinicystę służą jako wzorzec referencyjny. System sztucznej inteligencji generuje przewidywane sumaryczne wyniki MDS-UPDRS Część III (zakres 0-108, gdzie wyższe wyniki wskazują na cięższe upośledzenie motoryczne). Skuteczność systemu będzie oceniana za pomocą wskaźnika F1, korelacji pomiędzy przewidywanymi a ocenianymi przez klinicystę wynikami oraz czułości i swoistości w wykrywaniu klinicznie istotnego upośledzenia motorycznego na podstawie predefiniowanych progów punktowych. Wyniki skuteczności będą raportowane w okresie 3-letniego badania.
3 lata
Satysfakcja pacjenta i klinicysty
Ramy czasowe: od wartości początkowej do 3 lat
Zadowolenie pacjentów z systemu oceny wspomaganego sztuczną inteligencją będzie oceniane za pomocą kwestionariusza specyficznego dla badania, przeprowadzanego po zakończeniu zadań motorycznych opartych na kamerze RGB.
Punkty kwestionariusza są oceniane w skali Likerta, przy czym wyższe wyniki wskazują na większe zadowolenie.
Ocena klinicystów systemu oceny wspomaganego sztuczną inteligencją będzie oceniana za pomocą kwestionariusza specyficznego dla badania, oceniającego postrzeganą wiarygodność, postrzeganą skuteczność i ogólne zadowolenie z systemu.
Punkty kwestionariusza są oceniane w skali Likerta, przy czym wyższe wyniki wskazują na bardziej pozytywne oceny.
Wyniki oceny pacjentów i klinicystów będą raportowane jako średnia ± odchylenie standardowe w okresie badania.
od wartości początkowej do 3 lat
Wydajność systemu
Ramy czasowe: od wartości wyjściowej do 3 lat
Wydajność systemu będzie mierzona poprzez dokładność i średni błąd bezwzględny (MAE) prognozowanych przez sztuczną inteligencję łącznych wyników MDS-UPDRS Część III w porównaniu z wynikami ocenianymi przez klinicystę. Pacjenci wykonują standaryzowane zadania motoryczne pod nadzorem lekarza, podczas gdy nagrywane jest wideo RGB za pomocą smartfona. Oceniane przez klinicystę wyniki MDS-UPDRS Część III są używane jako punkt odniesienia. Wydajność systemu jest definiowana jako dokładność i MAE prognoz sztucznej inteligencji. Wyniki wydajności zostaną podsumowane w okresie badania.
od wartości wyjściowej do 3 lat

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Współpracownicy

Śledczy

  • Główny śledczy: Qian Zhang, PhD, Hong Kong University of Science and Technology

Publikacje i pomocne linki

Osoba odpowiedzialna za wprowadzenie informacji o badaniu dobrowolnie udostępnia te publikacje. Mogą one dotyczyć wszystkiego, co jest związane z badaniem.

Publikacje ogólne

Daty zapisu na studia

Daty te śledzą postęp w przesyłaniu rekordów badań i podsumowań wyników do ClinicalTrials.gov. Zapisy badań i zgłoszone wyniki są przeglądane przez National Library of Medicine (NLM), aby upewnić się, że spełniają określone standardy kontroli jakości, zanim zostaną opublikowane na publicznej stronie internetowej.

Główne daty studiów

Rozpoczęcie studiów (Rzeczywisty)

1 czerwca 2026

Zakończenie podstawowe (Szacowany)

28 lutego 2029

Ukończenie studiów (Szacowany)

28 lutego 2029

Daty rejestracji na studia

Pierwszy przesłany

13 stycznia 2026

Pierwszy przesłany, który spełnia kryteria kontroli jakości

26 stycznia 2026

Pierwszy wysłany (Rzeczywisty)

2 lutego 2026

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Rzeczywisty)

8 lipca 2026

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

6 lipca 2026

Ostatnia weryfikacja

1 stycznia 2026

Więcej informacji

Terminy związane z tym badaniem

Plan dla danych uczestnika indywidualnego (IPD)

Planujesz udostępniać dane poszczególnych uczestników (IPD)?

NIE

Informacje o lekach i urządzeniach, dokumenty badawcze

Bada produkt leczniczy regulowany przez amerykańską FDA

Nie

Bada produkt urządzenia regulowany przez amerykańską FDA

Nie

Te informacje zostały pobrane bezpośrednio ze strony internetowej clinicaltrials.gov bez żadnych zmian. Jeśli chcesz zmienić, usunąć lub zaktualizować dane swojego badania, skontaktuj się z register@clinicaltrials.gov. Gdy tylko zmiana zostanie wprowadzona na stronie clinicaltrials.gov, zostanie ona automatycznie zaktualizowana również na naszej stronie internetowej .

Subskrybuj